摘要：文章概述了当前国内外关于植物病理诊断领域的最新成果及研究方向,重点介绍了基于深度学习网络的植物病理病征特征提取、分类器设计等方面的工作原理及其关键技术,并结合具体实例阐述了利用大数据分析技术构建植物病理病害数据库实现疾病诊断预测的主要思路,以期为后续深入研究奠定基础.同时,文章还分析了现有植物病害识别方法存在的不足之处,包括无法获取完整的植物病害样本信息、缺乏针对性强的病害识别模型、数据挖掘能力较差等问题,希望能为今后进一步开展植物病害识别理论指导提供参考依据.

摘要：针对目前大豆叶部病害识别方法存在的准确率低和鲁棒性差等问题,提出了一种基于改进型的YOLOv5-卷积神经网络(Convolutional Neural Network,CNN)的大豆叶片斑病图像识别方法。首先,对采集的大豆叶部病害图像进行预处理;其次,采用改进型深度学习网络提取特征,并训练分类模型,实现对大豆叶部斑病的快速识别;最后,通过和传统机器视觉系统相结合,完成了对大豆叶片斑病的智能化识别。实验结果表明,该研究方法能够有效提高大豆叶部斑病图像的识别精度和稳定性,在实际生产过程中,可根据田间条件选择不同光照强度下的大豆叶片,以验证所提算法的实用性和适用范围。